當(dāng)人工智能計(jì)劃落空時(shí)，通常會(huì)把責(zé)任歸咎于技能差距。但是還有更多。您的組織是否優(yōu)先考慮這三個(gè)基礎(chǔ)人工智能支柱?

聘請(qǐng)合適的技術(shù)人才仍然是企業(yè)組織采用人工智能(AI)的重要障礙。根據(jù)O'Reilly最近的一項(xiàng)調(diào)查，略多于六分之一的受訪(fǎng)者表示，雇用和保留具有人工智能技能的專(zhuān)業(yè)人員很困難，這是其組織采用人工智能的重大障礙。

[[381226]]

盡管人才缺口仍然是對(duì)話(huà)的主要內(nèi)容，但這一數(shù)字與去年相比有所減少，這表明其他挑戰(zhàn)正成為企業(yè)探索和部署人工智能項(xiàng)目的首要考慮因素。

不過(guò)，技術(shù)技能差距并不是采用人工智能的最大障礙，也不是那么多人工智能項(xiàng)目失敗的原因。實(shí)際上，根據(jù)O'Reilly公司的調(diào)查，受訪(fǎng)者認(rèn)為缺乏機(jī)構(gòu)支持是最大的問(wèn)題，其次是確定合適的業(yè)務(wù)用例時(shí)遇到困難。

當(dāng)然，這是一個(gè)更難以下咽的藥丸：這意味著真正的挑戰(zhàn)在于我們，而不是只有數(shù)量有限的專(zhuān)業(yè)人員來(lái)完成這項(xiàng)工作。

人工智能項(xiàng)目成功的三大支柱

那么組織如何避免人工智能項(xiàng)目的常見(jiàn)陷阱呢?與其他技術(shù)實(shí)施一樣，這全都取決于公司范圍內(nèi)的適當(dāng)培訓(xùn)，生產(chǎn)環(huán)境以及適當(dāng)?shù)幕A(chǔ)。有了這三個(gè)支柱，您就可以更早地實(shí)現(xiàn)人工智能的商業(yè)價(jià)值。

1. 正確的基礎(chǔ)

成功的人工智能項(xiàng)目需要三件事：

• 數(shù)據(jù)科學(xué)家必須具有高效的工具，具有領(lǐng)域?qū)ｉL(zhǎng)并且可以訪(fǎng)問(wèn)相關(guān)數(shù)據(jù)。盡管從處理偏見(jiàn)預(yù)防，可解釋性，概念漂移和類(lèi)似要求等方面對(duì)人工智能技術(shù)的理解已得到很好的理解，但許多團(tuán)隊(duì)在這里仍然不夠。
• 組織必須學(xué)習(xí)如何在生產(chǎn)中部署和操作人工智能模型。這就需要部署DevOps、SecOps和新興的人工智能Ops工具和流程，以便模型能夠隨著時(shí)間的推移在生產(chǎn)中繼續(xù)準(zhǔn)確地工作。
• 產(chǎn)品經(jīng)理和業(yè)務(wù)主管必須從一開(kāi)始就參與其中，以便重新設(shè)計(jì)新的技術(shù)功能并決定如何應(yīng)用這些技術(shù)來(lái)使客戶(hù)滿(mǎn)意。

盡管在過(guò)去幾年中，教育和工具有了顯著改善，但實(shí)際生產(chǎn)中運(yùn)行的人工智能模型仍有很大的改進(jìn)空間。因此，產(chǎn)品管理和用戶(hù)交互設(shè)計(jì)已成為人工智能成功的常見(jiàn)障礙。

這些問(wèn)題可以通過(guò)動(dòng)手教育來(lái)解決。在教室和會(huì)議廳外，來(lái)自組織各部門(mén)的專(zhuān)業(yè)人員必須獲得實(shí)際從事人工智能項(xiàng)目的經(jīng)驗(yàn)，了解他們可以做什么以及該技術(shù)如何推動(dòng)您的業(yè)務(wù)發(fā)展。

2. 全公司范圍內(nèi)的合作與培訓(xùn)

當(dāng)然，人才是問(wèn)題的一部分，但不僅需要數(shù)據(jù)科學(xué)人才。問(wèn)題的根源通常在于業(yè)務(wù)和產(chǎn)品專(zhuān)業(yè)知識(shí)。與技術(shù)人才一樣重要，了解人工智能如何在產(chǎn)品中發(fā)揮作用以及如何將人工智能轉(zhuǎn)化為更好的客戶(hù)體驗(yàn)和新收入同樣重要-而且責(zé)任不僅僅在于研發(fā)團(tuán)隊(duì)。

例如，我們擁有可以像人類(lèi)一樣準(zhǔn)確地讀取X射線(xiàn)的算法，但是我們現(xiàn)在才剛開(kāi)始將此功能集成到臨床工作流程中。如果不對(duì)醫(yī)生和護(hù)士進(jìn)行如何使用這項(xiàng)技術(shù)以簡(jiǎn)化其工作流程的培訓(xùn)，則對(duì)他們或患者沒(méi)有任何價(jià)值。

能夠訓(xùn)練和部署準(zhǔn)確的人工智能模型并不能解決如何最有效地使用它們來(lái)幫助您的客戶(hù)的問(wèn)題。為此，需要對(duì)所有組織學(xué)科進(jìn)行培訓(xùn)，包括銷(xiāo)售，營(yíng)銷(xiāo)，產(chǎn)品，設(shè)計(jì)，法律，客戶(hù)成功，財(cái)務(wù)等方面，以了解該技術(shù)為何有用以及它將如何影響其工作職能。

做得好，新的支持人工智能的功能使產(chǎn)品團(tuán)隊(duì)能夠完全重新考慮用戶(hù)體驗(yàn)。

做得好，新的支持人工智能的功能使產(chǎn)品團(tuán)隊(duì)能夠完全重新考慮用戶(hù)體驗(yàn)。Netflix或Spotify將推薦添加為輔助功能與圍繞內(nèi)容發(fā)現(xiàn)設(shè)計(jì)用戶(hù)界面之間的區(qū)別。這有很大的不同，但要實(shí)現(xiàn)這個(gè)目標(biāo)還需要一個(gè)村莊。因此，由執(zhí)行團(tuán)隊(duì)帶頭的全公司范圍的收購(gòu)對(duì)于人工智能成功至關(guān)重要。

3. 適當(dāng)?shù)纳a(chǎn)環(huán)境

并非所有生產(chǎn)環(huán)境都相同，因此并非所有結(jié)果都相同。了解基于組織擁有的人才、基礎(chǔ)設(shè)施和數(shù)據(jù)的人工智能項(xiàng)目的局限性，并從一開(kāi)始就設(shè)定明確的期望非常重要。

例如，最近的一篇研究論文(針對(duì)ACM計(jì)算機(jī)系統(tǒng)人為因素會(huì)議(CHI)系列學(xué)術(shù)會(huì)議而完成)探索了一種新的深度學(xué)習(xí)模型，該模型用于從患者眼睛的圖像中檢測(cè)出糖尿病性視網(wǎng)膜病變。科學(xué)家們訓(xùn)練了一種深度學(xué)習(xí)模型，從過(guò)去幾年的眼科檢查中的角膜照片中識(shí)別出患者的糖尿病性視網(wǎng)膜病變的早期階段。目的是減少失明，這種失明是未經(jīng)治療的疾病癥狀。

該論文描述了在泰國(guó)農(nóng)村地區(qū)的診所中使用相同準(zhǔn)確有效的模型時(shí)發(fā)生的情況：用于為患者的眼睛拍攝圖像的機(jī)器并不像用于訓(xùn)練模型的機(jī)器那樣復(fù)雜。如訓(xùn)練有素的模型所假設(shè)的，所使用的檢查室并非完全黑暗。對(duì)于某些患者來(lái)說(shuō)，放假一天來(lái)進(jìn)行后續(xù)隨訪(fǎng)或進(jìn)行其他檢查不是一個(gè)可行的選擇。首先，并不是所有的醫(yī)生和護(hù)士都接受過(guò)培訓(xùn)，以解釋為什么需要這項(xiàng)新測(cè)試。

缺乏適當(dāng)?shù)幕A(chǔ)設(shè)施和醫(yī)院工作人員的凝聚力教育，加上對(duì)實(shí)際局限性的理解，是人工智能項(xiàng)目失敗的一個(gè)典型例子。

隨著教育趕上行業(yè)，人工智能人才缺口在未來(lái)幾年仍將是一個(gè)挑戰(zhàn)。但是與此同時(shí)，組織可以采取一些步驟來(lái)確保其人工智能項(xiàng)目取得成功。

僅僅訓(xùn)練您的模型是不夠的，還需要訓(xùn)練您的組織?；〞r(shí)間對(duì)您的業(yè)務(wù)的各個(gè)方面進(jìn)行教育，以了解您為何要執(zhí)行某個(gè)人工智能項(xiàng)目，該項(xiàng)目將如何影響他們的角色和客戶(hù)體驗(yàn)以及期望是什么。

合適的人才會(huì)到來(lái)，組織是否準(zhǔn)備好使用它?